支援廣泛硬體與神經網路模型的AI驅動影像與影片放大及畫格插補圖形使用者介面。

gpt-image2-ppt-skills 是一個 Python 技能，適用於多模態 AI 代理，利用 OpenAI 的 gpt‑image‑2 模型生成高品質 16:9 投影片影像，並打包成 .pptx 檔案。支援視覺優先模式與可選的可編輯模式（將投影片重構為原生 PowerPoint 物件）。使用者可透過自然語言提示建立新投影片集、克隆現有的 .pptx 模板，或編輯特定投影片元素。安裝方式為透過支援的代理安裝技能，或執行提供的腳本；需 OpenAI API 金鑰與本地 PowerPoint/Keynote/LibreOffice 渲染器。專案採用 Apache-2.0 授權。

一款輕量級 2D 數位人引擎，可在行動瀏覽器與低功耗裝置上實現無需 GPU 的即時動畫與對話。

CCB（Claude‑Codex‑Bridge）是一個跨平台終端UI，讓您可以在可見窗格中一起執行許多基於LLM的CLI代理（Codex、Claude、Gemini等），定義協作圖，共享專案範圍的記憶檔案，甚至可以透過Android應用控制工作空間。透過npm安裝，使用內建UI設定，並從命令列管理提供者、角色和富媒體終端。

一個讓 AI 編碼代理能透過自然語言控制 BaoCut，實現影片自動轉錄、字幕翻譯與時間軸編輯的代理技能。

一個利用 AI 代理群體將文字、圖像或影片轉換為可漫遊 3D 世界的系統，並將其渲染為基於瀏覽器的 Three.js 應用程式。

一款作為 Qwen4 架構預覽的多模態 MoE 模型，可在程式碼與辦公任務中實現高效率，顯著降低訓練與推論成本。

一套純 Python、從頭實作的經典機器學習演算法、深度學習模型與應用專案（推薦系統、電腦視覺應用、自然語言處理等）。設計為實作導向的學習資源，適合想了解機器學習技術內部運作的任何人。

一款專為 CS2 設計的一站式創作套件，可自動化完成回放分析、OBS 高光錄製及 AI 驅動的影片剪輯。

Relax 是一個基於 Ray‑Serve 的開源強化學習框架，專為多模態大語言模型設計。它透過 TransferQueue 解耦 rollout 與訓練，支援 GPU 集群上的完全異步或混合執行，提供 PPO、GRPO、M2‑PO、RLOO、REINFORCE++ 等豐富的一次策略演算法及插件式獎勵系統。系統相容 Megatron‑LM 訓練後端與 SGLang 推理，可在單一流程中處理文字、視覺、影片與音訊。官方 Docker 鏡像、雙語文件及生產級運維功能（健康監控、指標採集、彈性 rollout 擴展）使其可直接用於 Qwen‑3‑Omni 等模型的研究與大規模微調。

MobileCLIP (以及 MobileCLIP2) 是專為行動裝置優化的輕量、快速圖文模型，用於零樣本分類與描述。此儲存庫提供預訓練權重、訓練/評估腳本 (基於 OpenCLIP)、iOS 演示程式以及 CoCa 描述模型，皆採用 MIT / Apple research 授權。

一個互動式 3D 昆蟲百科全書，收錄 63 個物種，完全透過參數化 TypeScript 程式碼生成，而非使用外部 3D 素材。

一個用於建立個人化、類似人類的 AI 伴侶的綜合性工作台，支援自訂語音、性格與 Live2D 視覺效果。

專為 Codex 編碼代理設計的開源 AI 投影片工作室，透過可控的即時編輯工作流，將提示詞、程式碼庫或檔案轉換為專業的簡報。

一個用於預測細胞對擾動的反應並生成細胞嵌入（embeddings）以建模生物狀態轉換的框架。

只需輸入一句話，即可生成包含大綱、文案及視覺一致圖像的完整多頁社交媒體貼文。AI 驅動工具。

一個用於構建低延遲、多模態 AI 代理的框架，將即時視訊串流與大型語言模型（LLM）以及電腦視覺模型結合，提供互動式視覺體驗。

一個用於建構具備低延遲音訊、文字與視覺能力的即時多模態對話式 AI 代理的開源框架。

一個使用 OCR 將螢幕截圖、影像和 PDF 轉換為可編輯 LaTeX 公式與文字的桌面應用程式。

MCP Gateway 是一個為 Model Context Protocol (MCP) 伺服器打造的開源 Kubernetes-native 反向代理與管理層。它提供了一個 REST 控制平面來建立、更新與監控 MCP adapters 與 tools，並具備 session-aware routing、Azure Entra ID RBAC、內建的 React portal、以及可選的 LLM 驅動 agents。可以透過 Docker/K8s 在本地端部署，或使用一鍵式 Azure 範本進行部署。

一系列用於 3D 世界建模的統一多模態模型，透過原生物理、幾何與外觀狀態，實現以相機為中心的空間智能與 3D 世界生成。

NVIDIA 推出的系列開源生成式 3D 世界模型，能從單張圖像或影片中生成 3D 與 4D 場景。

一款基於深度學習的漫畫翻譯工具，可自動化實現漫畫與漫畫的文本檢測、OCR、修復與翻譯。

一個用於部署與微調基於 Gemini 研究的 Gemma 系列開源權重大型語言模型的 JAX 函式庫，支援多模態對話與多種硬體後端。

LMMs‑Eval 是一個開源 Python 工具包，統一了 >100 個多模態基準任務（圖像、影片、音訊），用於評估具備視覺/音訊能力的大語言模型。它提供決定論、統計上可靠的结果，支援 30+ 模型家族（透過 vLLM、SGLang 或 OpenAI 相容 API），並包含 Web UI、HTTP 評估伺服器和可擴展的模型/任務介面。

一個用於建立即時數位人類代理的開源框架，該代理結合了語音互動、角色記憶和單張照片的視訊動畫。

用於在行動與嵌入式裝置上以低延遲與裝置端執行部署即時互動式 AI Avatars 的開源 SDK。

一個完全本機、未經審查的 AI 伴侶系統，整合了 LLM、TTS、影像生成和 Live2D 動畫，以建立私密、以角色為驅動的虛擬夥伴。

Huobao Canvas 是一個開源、基於節點的可視化編輯器，可讓您在無限畫布上連結來自 11 個提供者的文字、圖像和影片 AI 模型。它提供輕量級 Node 伺服器用於持久化和非同步執行佇列、Docker 和 Electron 部署選項，以及透過 Huobao 進行一鍵設定。非常適合在不編寫程式碼的情況下構建多模態創意流水線。

Code-as-World 是一個將物理世界表示為可執行程式碼的框架，透過迭代模擬發現世界表示，使 AI 模型能夠進行定量物理推理。

AssetOpsBench 是一個開源基準/框架，用於建構、編排和評估基於大語言模型（LLM）的AI代理，這些代理處理工業資產管理資料（感測器、工作單、故障模式等）。它提供領域特定的MCP工具伺服器、多種ReAct風格代理後端、141+個真實場景，以及在KDD/AAAI/NeurIPS競賽中使用的多維評估流水線。

一個將高保真3D捕捉資料整合至標準3D製作工作流程的Blender外掛程式，支援3D高斯點陣的匯入、編輯、動畫與渲染。

Fusion 是一個開源的 AI 驅動軟體工廠，能將自然語言任務描述轉化為完全審查、可合併的程式碼。它協調由 LLM 驅動的代理群，每個任務在獨立的 Git worktree 中執行，並透過可配置的工作流程與人工監督的視覺化儀表板呈現整個流程。

Stirrup 是一個用於構建 LLM 驅動型代理的輕量級 Python 框架。它提供現成的工具（程式碼執行、網路搜尋、檔案 I/O、多模態處理）和靈活的 `Tool`/`ToolProvider` 系統，同時自動管理上下文限制和工作階段生命週期。透過 `pip install stirrup`（可選擴充功能包括 Docker、瀏覽器等）進行安裝，建立用戶端（OpenRouter、LiteLLM 或任何 OpenAI 相容的 API），實例化一個 `Agent`，並執行一個允許模型呼叫工具來解決任務的工作階段。易於新增自定義工具和提供者，使 Stirrup 非常適合快速原型設計、特定領域助手以及對使用工具的代理進行研究。

一款 AI 驅動的圖像翻譯工具，可檢測、刪除並替換漫畫和連環畫中的文本，支援多種語言和自動排版。

一個 Android 翻譯應用程式，使用裝置上的模型完全離線執行文字、PDF/ODT 文件和圖片翻譯。

ChattyPlay‑Agent 是一個全端 Web 應用，結合 AI 聊天助手（ChatGPT/DeepSeek）與多項日常工具——音樂串流、影片解析、黃金價格圖表、學術論文瀏覽、LaTeX/markdown 編輯器、思維導圖、漫畫庫、閒魚市場助手、文字生成圖像。採用 React + TypeScript 前端與 Python/Java 後端建構，透過 Docker 運行，並提供線上示範。此倉儲是 AI 助手領域的一個真實軟體專案。

Maestro 是一個跨平台桌面應用，讓高階使用者並行執行、自動化與監控多個 AI 編碼代理（如 Claude Code、OpenAI Codex 等），支援 Git 工作樹、劇本自動化、鍵盤優先 UI、遠端 Web 控制與分析功能，所有功能皆在 AGPL-3.0 許可證下提供。

UniRL 是一個開源 Python 框架，將統一的強化學習循環應用於許多多模態生成模型（LLM、視覺-語言模型、圖像/視頻擴散，以及混合 AR-擴散模型）。它提供四個入口點、基於 Hydra 的配置、可插拔的 rollout 引擎，以及通過 Ray 和 FSDP 進行的分佈式訓練。該倉庫包含標準 RL 算法以及團隊提出的三種新穎方法（Flow-DPPO、DRPO、CPPO）的教程。支持的模型包括 Stable Diffusion 3、FLUX.2-Klein、Qwen-3、HunyuanVideo 等。提供文檔、示例配方和 WeChat 社區。採用 Apache-2.0 許可證。

一種用於AI代理的提示導向工作流程，可生成結構化的生產計畫與創造角色一致的換裝影片的提示。

OpenCLIP 是一個開源 PyTorch 函式庫，實現了 OpenAI 的 CLIP 以及許多較新的多模態模型（SigLIP、CoCa、MaMMUT、CLAP、支援 NaFlex 的視覺/音訊、現代文字塔）。它提供預訓練檢查點、支援分散式/FSDP2 的靈活訓練棧、混合精度和 torch.compile 加速，以及用於零樣本推理和生成式說明的工具。

WorldX 是一個 AI 驅動的模擬引擎，僅需一個文字提示即可生成包含自主代理、地圖與突現敘事的完整虛擬世界。

一個由AI驅動的3D模型工作室，利用多個AI提供者將影像轉換為互動式3D模型，並提供專業級的檢視與展示工作環境。

結合高斯光柵化與光線追蹤的混合式 3D 渲染框架，支援畸變相機與反射、陰影等複雜光照效果。

一個 AI 原生影片平台，AI 代理與人類共同創作與分享短影片，透過 Proof of Physical AI 實現硬體驗證的內容來源證明。

DebugMCP 是 Microsoft 的 VS Code 延伸模組，會在本機執行 MCP 伺服器，將除錯動作（啟動/停止、逐步執行、中斷點、變數檢視、表示式評估）作為工具公開，讓任何支援 MCP 的 AI 助手（Copilot、Cursor、Codex 等）都能呼叫。它出廠即支援多種語言，完全在本機埠號 3001 執行，並包含安全檢查（僅迴路介面綁定、主機驗證、機密資訊隱藏）。附屬的 *debug‑live* 技能提供高階除錯工作流程，讓 AI 代理能自主地在 VS Code 內直接除錯程式碼。

Open Storyboard Canvas 是一個開源、跨平台的桌面應用（Tauri + React + Rust），提供用於 AI 生成圖像、影片和 3D 故事板場景的視覺化節點畫布。包含基於聊天的 Canvas Agent（測試版），可建立、編輯和追蹤生成任務，支援多種提供者（OpenAI 相容、Claude、Dreamina CLI），並提供導演工作室工具、提示詞圖書館、批量匯入和詳細日誌。採用 MIT 許可證，基於 Storyboard-Copilot 上游專案建構。

一個整合了 LLM、ASR 與 TTS 的綜合數位人框架，為應用程式、網站及嵌入式設備提供互動式虛擬化身能力。